突發傳染病情況下高校行人流建模分析與管理控制：以高校食堂為例

紀鑫　徐嘉明　楊璦玲　于子蘭　唐鐵橋

摘要： 為降低密集人群封閉系統在突發傳染病情況下的傳播風險，以北京航空航天大學沙河校區第一食堂為研究場景，針對存在傳染病傳播的學校食堂這一特殊場景提出了12種疏散策略。并通過元胞自動機仿真模擬，評估控制策略的效果。仿真結果表明，在疏散前采取出入口消毒、患者隔離等措施，能夠降低約40%的整體感染風險?？刂拼胧┎粌H可以用來解決新冠肺炎背景下“人員聚集場所發現疑似病例的人員疏散”問題，而且在處理一些特定場合的突發情況和指導疫情預防方面也具有應用價值。

關鍵詞： 高校食堂；行人疏散；元胞自動機；疫情防控；管理策略

中圖分類號： TB3；U491文獻標識碼： A

Modeling Analysis and Management Control of Dense Pedestrian Flow in a Closed Area Under the Outbreak of Infectious Diseases： Taking University Canteen as an Example

JI Xina， XU Jiaminga，YANG Ailinga， YU Zilanb， TANG Tieqiaoa

（a. School of Transportation Science and Engineering； b. SHENYUAN Honors College，Beihang University， Beijing 100191， China）

Abstract：In order to reduce the transmission risk of closed systems in densely populated areas during outbreaks of infectious diseases， this study focuses on the first cafeteria of the Shahe Campus of Beihang University as the research scene， and proposes 12 evacuation strategies for school cafeterias where disease transmission occurs. By conducting cellular automaton simulations， the effectiveness of these control strategies is evaluated. The simulation results indicate that implementing measures such as disinfection of entrances and exits， and isolating patients before evacuation can reduce the overall infection risk by approximately 40%. These control measures not only address the issue of evacuating individuals suspected of having COVID-19 in places of congregation， but also have practical value in handling sudden situations in specific scenarios and guiding epidemic prevention efforts.

Keywords： university canteen; pedestrian evacuation; cellular automata; epidemic prevention and control; management strategy

0 引言

21世紀以來，人類面臨的主要威脅之一是疫情，如2003年的非典，2009年的甲型H1N1流感和2019新型冠狀肺炎等。高校食堂具有人員多、密度大和流動性強等特征，是疫情防控最重要的公共場所之一。因此，如果在學校食堂中發現病毒攜帶者，選擇合理的人群疏散方案對確保全校師生的安全具有重要意義。本文對高校食堂內的行人流進行建模，模擬不同疏散方案下的情況，從而制定有效的疏散控制策略，為該情景下全部師生的安全有序疏散提供參考方案。

利用元胞自動機進行疏散研究是當前比較流行的研究方法，國內外的學者常?；谘芯績热?，利用改進的元胞自動機研究不同背景下的人員疏散問題。元胞自動機模型是將行人運動的二維地面區域劃分為離散的方格，把行人、建筑物模擬成單元格里的元胞，然后制定行人的運動規則，從而完成模擬過程。其優點在于相對簡單，適用于大規模場景的行人行為模擬。楊立中等［1］在已有的元胞自動機交通流模型和行人流模型的基礎上，提出了一個模擬火災中人員逃生的基本模型，用以研究火災情況下人員的疏散；曹愛春等［2］提出一種多智能體和元胞自動機相融合的大型體育場館人群疏散模型（Agent-CA），并設計各種人群疏散行為策略作為演化規則，實現個體的差異性以體現個人個性、體力、心理等對疏散行為的影響；楊波等［3］融合元胞自動機與粒子群優化算法，建立了一個新的CA-PSO人員疏散模型，并將其用于模擬教學樓中學生的疏散過程；周美琦等［4］提出了一種基于改進元胞自動機的乘客疏散運動模型，用于研究地鐵車廂內發生突發事故時的乘客疏散行為。

目前國內外已有許多有關高校的疏散研究，謝明峰等［5］應用Pyrosim和FDS對某高校教學樓進行建模和火災數值模擬，并提出了新增合適位置的出口、規劃合理的疏散路線等策略；鄒馨捷等［6］對高校學生宿舍進行了有針對性的火災人員疏散安全性分析，研究了對人員疏散安全性影響較大的因素，并提出了消防安全管理措施；都恩源等［7］以高校典型建筑物（如學生宿舍樓和實驗室）為研究背景，利用Anylogic仿真軟件模擬男女大學生的應急疏散過程，提出了提高逃生效率及避免二次傷害事故發生的策略；汪洋等［8］則以某高校體育館為研究對象，模擬體育館內觀眾滿座的情景，并研究觀眾人數對疏散時間的影響。但這些研究多為火災或緊急情況下的疏散，并沒有將疏散效率與傳染病影響因素結合起來。

關于2019-nCoV病毒，國內外學者已經進行了大量相關的研究，李建輝等［9］依據相關研究，率先對2019-nCoV的病毒學特征、傳播途徑、對環境的抵抗力和消毒方法做了簡要描述。在傳播因素方面，張麗娟等［10］根據病毒傳播特點及城市空間地圖模式，建立SEIRQ病毒傳播模型，根據元胞自動機原理構建病毒傳播機制，并得出結論：初始潛伏者人數、感染力、隨機游走、疫苗接種比例等因素在病毒傳播時空分布中起重要作用；汪劍眉等［11］基于SIR擴展的非均勻感染力模型，應用吉布斯抽樣和機器學習高斯過程回歸獲得參數估計，模擬差異化場景進行干預敏感度分析，發現降低接觸是有效抑制疫情的核心杠桿。桑茂盛等［12］在模型中考慮狀態轉移參數的飽和特性，建立了一種新傳染病模型，并考慮狀態轉移參數在疫情不同發展階段的時變特性，從傳播規模、傳播峰值和傳播峰值時間3個維度建立疫情傳播風險指標，全面評估疫情傳播風險。值得一提的是，喻文等［13］針對高校新冠肺炎疫情傳播風險管控做了專門的研究，其結果表明有管控措施和無管控措施相比，能更有效地控制病毒在高校內的傳播，進一步證明了在高校內制定合理管控措施的必要性。

本文將在已有研究的基礎上，以北京航空航天大學沙河校區食堂為背景，利用元胞自動機模擬疫情下食堂行人流的疏散及病毒擴散，從而得到最優的疏散策略。

1 模型構建

以北京航空航天大學沙河校區第一食堂一樓為藍本，進行一定的簡化：去掉食堂兩邊無隔離板的用餐區域，僅保留中間的主用餐區域，作為本文疏散策略驗證的場景。如圖1所示，黑色方塊代表障礙物，行人不能通過，必須繞行；黃色方塊代表食堂的服務窗口，行人需在此排隊打飯；灰色方塊代表椅子，在行人打飯（買飲料）結束前不會坐在椅子上，在吃飯時會和椅子重合，代表行人坐在椅子上。青藍色方塊代表桌子，與障礙物類似，行人不能通過，必須繞行。原場景如圖2所示。

1.1 基本參數

基本參數λ：行人到達率;pwi：選擇窗口i的概率；pci：選擇椅子i的概率；pd：選擇購買飲料的概率；tci：行人i的吃飯時間；twi：行人i的窗口服務時間；nj：區域j剩余的椅子數量。

本文進行了實地考察，行人進入場景的數據如表1所示。當場景中的人數比較少時，疏散情況也較為簡單，因此本文將λ取為高峰時段的行人到達率，根據表2中的觀測數據設置為1人/s，服從泊松分布。本文將窗口分為兩類：打飯窗口和飲料窗口。本文假設每個打飯窗口具有同質性，即行人選擇每一個打飯窗口的概率是相同的。行人選擇窗i的概率為1/20。本文假設行人具有同質性，因此每一個行人吃飯時間、排隊時間、購買飲料的概率相同。行人i的吃飯時間為900 s，排隊時間為30 s，購買飲料的概率為1/10。經觀察，行人在打飯后會傾向于選擇距離自己打飯的窗口較近的椅子，當自己所打飯窗口周圍均沒有空椅子時，會優先選擇距離其他窗口較近的椅子，最后才會選擇距離窗口較遠的椅子。因此椅子選擇上，本文將整個食堂場景根據椅子與窗口之間的距離進行分區，整個模型共分為四部分（見圖3），打飯結束后，處于某區內的行人，會優先選擇本區內的椅子，同區內的椅子被選擇的概率相同。當本區內的椅子全部被占用后，會優先選擇包含窗口的其他區域的空椅子，最后才會選擇距離窗口較遠的其他區域的空椅子。行人i選擇j區域內椅子的概率為1/nj［14］。

具體分區如圖3所示，選擇區域的優先級為：區域1，選擇優先級1→2→3→4；區域2，選擇優先級2→1→4→3。

1.2 基本場景

本文使用CA模型來研究行人流，所搭建的場景為簡化后的北京航空航天大學沙河校區第一食堂一樓。本文將食堂細分為一個個元胞，每個元胞只有兩種狀態：一種是空閑，另一種是被行人、桌子、椅子、墻壁、服務窗口等占用。給出基本假設［15］：

1）每個元胞大小為0.4 m×0.4 m，每個行人占據一個元胞。由于疫情防控需要，本文將場景里的長椅根據其長度拆解成若干個有間隔的小椅子（包括6個元胞、8個元胞和9個元胞3種），且每個椅子的大小為0.4 m×0.4 m。服務窗口的大小為0.4 m×1.2 m，為橫向連續的3個元胞。

2）假設場景里的行人具有同質性，其速度均為1 m/s。

1.3 演化規則

模型考慮正常運行和緊急疏散兩種情況，分別對應兩套演化規則。

根據行人的運動特點，本文采用馮·諾依曼鄰域的元胞自動機模型［16］來模擬行人在食堂中的運動。在馮·諾伊曼鄰域的元胞自動機模型中，行人每次移動時會選擇上下左右4個鄰元中的空閑元胞中距離目的地最近的元胞并向其移動，如果存在多個距離目的地最近的元胞，則以相同的概率隨機選擇其中一個，只有在鄰元沒有空閑或行人處于排隊狀態時才會停在原地。正常運行情況下，行人進入食堂，然后選擇自己心儀的窗口，走向窗口排隊等候打飯。打飯成功后，在pd的概率下，行人有可能選擇購買飲料。若行人選擇購買飲料則會優先走到飲料窗口，排隊等候購買飲料，飲料窗口為場景中最右側的服務窗口，購買成功后選擇座椅，走向座椅，然后坐下吃飯；若行人不購買飲料，則直接走向選擇的座椅。用餐完畢后，行人將按照當前自己所在位置的最小路徑走向出口離開食堂。

緊急情況下，當管理者發布“場景中包含傳染病患者”的信號后，場景中一切服務停止，全部行人停止移動，行人等候管理者發布指令，根據所發布的指令再進行相應的疏散策略。

本文將患者設為第npatient個進入模型，在運行一段時間后，管理者會接到相關通知，開始緊急疏散，根據本文預先提供的疏散策略進行疏散?；具\行規則如圖4所示。

2 疏散策略

本文提出了12種疏散策略。每種策略由疏散開始前對食堂出入口采取的措施和對患者采取的措施，以及疏散開始后場景中行人的運動方式3個部分組成。

1）開始前對食堂出入口的措施分為兩類：A1 對出入口附近一定半徑的扇形區域進行消毒處理，并認為該區域不再存在病毒；A2 不對出入口采取消毒措施。

2）開始前對患者的措施分為兩類：B1 采取隔離措施，即對患者采取戴口罩等措施，使病毒在此之后不再由患者向外傳播；B2 不采取隔離措施，即病毒會持續由患者向外傳播。

3）開始后場景中行人的運動方式分為3類：C1 直接疏散，不采取其他干預措施；C2 患者病毒傳播范圍外的人先疏散，其他人等待這部分人全部離開場景后再疏散；C3 患者在其他人全部離開前保持不動，其他人盡可能繞過患者經過的路線（含有病毒的區域）。

將各部分策略分別組合，一共可以得到C12·C12·C13=12種不同的疏散策略。各疏散策略對應如表2所示。

病毒的存活受溫度、相對濕度、附著物等條件的影響，這使得在研究中難以將病毒的有效傳播時間、擴散能力等定量處理。因此，為了更普適地尋找一種最佳的疏散策略，使用行人經過含有病毒的元胞（下簡稱病毒元胞）的計數次數作為行人的感染風險，記為R。如圖5所示，將粉色的元胞視作病毒所在的元胞，行人按照圖中箭頭所指示的路線行走，在連續的時間步中依次經過病毒所在的元胞1、元胞2和元胞3，總計經過3個病毒元胞，所以記錄該行人的感染風險R=3（假設行人不再經過其他含有病毒的元胞）。

當行人行走路線間斷地經過了多個病毒元胞時，將所有的病毒元胞的計數次數累加求和。如圖6所示，將粉色的元胞視作病毒元胞，行人按照圖中箭頭所指示的路線行走，先在連續的時間步中依次經過病毒所在的元胞1和元胞2，記錄感染風險為R1=2，然后經過元胞9和元胞10，記錄感染風險為R2=2。那么該行人的感染風險R=∑2i=1Ri=R1+R2=2+2=4。

對于病毒元胞，本文做出假設：1）患者病毒傳播范圍內的元胞會變為病毒元胞；2）當元胞變為病毒元胞后，始終保持該狀態；3）病毒元胞不具有擴散到其他元胞的能力；4）采取消毒措施后，病毒元胞變為無病毒的普通元胞。

按照在模型構建中所搭建的初始場景，設定參數如表3所示。

本文設定患者到達窗口前疏散開始。為了減少隨機性對疏散初始場景的影響，經過空場景輸入行人進行多次仿真后，選取了場景中行人分布較為普遍的一種疏散初始場景，如圖7所示。

以該場景為疏散的起始場景，分別運用12種疏散策略進行仿真實驗，對每種疏散策略各進行5次重復實驗。取個體指標maxLi和群體指標Li-，αi作為結果的評價指標，對重復實驗數據取均值，得到結果如表4所示（不考慮患者的Li-）。

表4中，maxLi表示非患者的其他所有行人中感染風險的最高值；Li-表示非患者的其他所有行人中感染風險的平均值；αi表示非患者的其他所有行人中感染風險為0（即可視為未被感染）的行人占總行人的比例。下面將分別從疏散策略的3個組成部分對數據結果進行分析。

2.1 疏散開始前對食堂出入口的措施

從圖8～圖10和表5～表7可以看出，其他兩部分策略相同的條件下，對食堂出入口采取措施A1比采取措施A2時行人感染風險的最大值max Li平均減小約8%、平均值Li-平均減小約44%；提高αi方面，平均提高約40%。即疏散開始前對食堂出入口附近區域內進行消毒處理在降低最大感染風險方面并不明顯，但是能夠明顯降低整體行人的感染風險平均值，并且提高無感染風險的人數比例。

2.2 疏散開始前對患者的措施

從圖11～圖13和表8～表10可以看出，其他兩部分策略相同的條件下，對患者采取措施B1比采取措施B2時行人感染風險的最大值maxLi平均減小約20%、平均值Li-平均減小約38%；提高αi方面，平均提高約15%。即疏散開始時及時對患者采取一定的隔離措施如戴口罩等，可以有效降低場景中行人易感染風險的平均值，對降低最大感染風險和提高無感染風險人群的比例也有一定的效果。（表中“–”表示數值小1%）。

2.3 疏散開始后行人的運動方式

從圖14～圖16和表11～表13可以看出，其他兩部分策略相同的條件下，行人運動的方式C2，C3相比于C1在行人感染風險的最大值max Li平均降低4%、提高5%；平均值Li-變化程度小于1%。而提高αi方面，運動方式C2，C3相比于C1平均提高約5%、9%，但是運動方式C2提升的效果并不穩定。即疏散開始后采取“先讓患者周圍一定范圍外的人疏散，其他人再疏散”這一策略能夠降低最大感染風險，并且提高無感染風險人群的比例；采取行人繞行病毒區域這一運動方式能夠較明顯提高無感染風險人群的比例。行人的運動方式對降低行人易感染風險平均值的效果浮動大且不穩定。

3 結論

本文針對存在傳染病傳播的學校食堂這一特殊場景提出了12種疏散策略，通過仿真實驗分別模擬了不同策略的運動狀態，并通過定義“易感染等級”等變量來比較、評價不同策略的優劣。仿真結果表明，在傳染病已經在場景中擴散的情況下，首先消滅傳染源所釋放的病毒或阻斷傳染源（患者）的傳播對減少場景中被感染的人數起到積極的作用。其次，在對人群進行疏散時，要盡量避免行人與傳染源持續近距離接觸，盡量遠離傳染源及其經過的路徑疏散。在條件允許的情況下最好在疏散開始時對出入口等必須經過的區域進行病毒處理。本文建立的元胞自動機模型以北京航空航天大學沙河校區第一食堂一樓為藍本，行人運動過程中的各項參數均來源于實地調查，可以代表大部分高校的實際情況，只需要通過修改場景大小以及場景中的元素就可以變換為其他不同的場景（如將場景尺寸縮小，調整桌椅的朝向，將服務窗口改變成講臺和黑板就可以將場景變為教室），疏散策略也能在各種場景中實現，具有代表性。

本研究也存在著不足。仿真實驗對行人的輸入采取的是泊松分布輸入，這與現實場景存在著一定的差別。在行人更加密集的封閉場所中，行人的數量和運動差異性會進一步增強，這可能會使行人在場景中產生擁擠導致難以避開有病毒留存的區域，提高被感染的風險。在行人運動方面采取的元胞自動機模型，較難再現行人運動的多方向隨機性，并且較難體現疏散時的慌張等心理狀態對行走速度的影響。

參考文獻：

［1］鄭海兵.行人交通流研究綜述［J］.山東交通科技， 2018 （4）： 27－29，40.

ZHENG H B. A review of pedestrian traffic flow research ［J］. Shandong Traffic Science and Technology， 2018 （4）： 27－29，40.

［2］楊立中，方偉峰，黃銳，等.基于元胞自動機的火災中人員逃生的模型［J］.科學通報，2002，4（12）：896－901.

YANG L Z， FANG W F， HUANG R， et al. A model for human escape in fire based on metacellular automata［J］. Science Bulletin，2002，4（12）：896－901.

［3］曹愛春，楊曉艇，侯旭東.Agent-CA的體育場館人群疏散模型［J］.計算機工程與應用，2013，49（24）：229－232.

CAO A C， YANG X T， HOU X D. Agent-CA crowd evacuation model for stadiums ［J］. Computer Engineering and Applications，2013，49（24）：229－232.

［4］楊波，陳丹丹，夏穎，等.基于GIS的CA-PSO多出口場景疏散模型研究［J］.中南民族大學學報（自然科學版），2017，36（1）：107－112.

YANG B，CHEN D D，XIA Y，et al. Research on CA-PSO multi-exit scenario evacuation model based on GIS［J］. Journal of Central South University for Nationalities （Natural Science Edition），2017，36（1）：107－112.

［5］周美琦，楊曉霞，張紀會，等.基于改進元胞自動機模型的地鐵車廂乘客疏散模擬［J］.復雜系統與復雜性科學，2021，18（3）：35－44.

ZHOU M Q， YANG X X， ZHANG J H， et al. Simulation of passenger evacuation in subway cars based on improved metacellular automata model［J］. Complex Systems and Complexity Science，2021，18（3）：35－44.

［6］謝明峰，魯義.高校教學樓火災與人員疏散模擬研究［J］.消防科學與技術，2021，40（1）：85－90.

XIE M F， LU Y. Simulation study of fire and personnel evacuation in a college building［J］. Fire Science and Technology，2021，40（1）：85－90.

［7］都恩源，陳心如，韓祥臨，等.高校典型建筑物學生群體應急疏散研究［J］.湖州師范學院學報，2021，43（4）：81－88.

DU E Y， CHEN X R， HAN X L， et al. Research on emergency evacuation of student groups in typical buildings in colleges and universities ［J］. Journal of Huzhou Normal College，2021，43（4）：81－88.

［8］汪洋，朱國慶，周金炬，等.高校體育館人員疏散模擬研究［J］.消防科學與技術，2020，39（9）：1215－1218.

WANG Y， ZHU G Q， ZHOU J J，et al. Simulation study of personnel evacuation in college gymnasium ［J］. Fire Science and Technology，2020，39（9）：1215－1218.

［9］李建輝，麻婧，康文，等.新型冠狀病毒2019－nCoV的病毒學特征、傳播途徑及抵抗力［J］.臨床醫學研究與實踐，2020，5（S1）：3－5.

LI J H， MA J， KANG W， et al. Virological characteristics， transmission route and resistance of novel coronavirus 2019-nCoV［J］. Clinical Medicine Research and Practice，2020，5（S1）：3－5.

［10］ 汪劍眉，李鋼.新冠肺炎非均勻感染力傳播模型與干預分析［J］.電子科技大學學報，2020，49（3）：392－398.

WANG J M，LI G. Analysis of non-uniform infectious power transmission model and intervention for new crown pneumonia［J］. Journal of the University of Electronic Science and Technology，2020，49（3）：392－398.

［11］ 桑茂盛，丁一，包銘磊，等.基于新冠病毒特征及防控措施的傳播動力學模型［J］.系統工程理論與實踐，2021，41（1）：124－133.

SANG M S， DING Y， BAO M L， et al. A propagation dynamics model based on the characteristics of new coronavirus and prevention and control measures［J］. Systems Engineering Theory and Practice，2021，41（1）：124－133.

［12］ 喻文，邵暢志，王侃，等.基于SEIR模型的高校新冠肺炎疫情傳播風險管控研究［J］.武漢理工大學學報（信息與管理工程版），2020，42（4）：368－372.

YU W， SHAO C Z， WANG K， et al. Study on the risk control of new crown pneumonia epidemic transmission in universities based on SEIR model［J］. Journal of Wuhan University of Technology （Information and Management Engineering Edition），2020，42（4）：368－372.

［13］ TANG T Q， ZHANG B T， XIE C Z. Modeling and simulation of pedestrian flow in university canteen［J］. Simulation Modelling Practice and Theory， 2019， 95： 96－111.

［14］ VANDOREMALEN N， BUSHMAKER T， MORRIS D H， et al. Aerosol and surface stability of SARS-CoV-2 as compared with SARS-CoV-1［J］. The New England Journal of Medicine， 2020， 382（16）： 1564－1567.

［15］ CASANOVA L M， JEON S，RUTALA W A， et al. Effects of air temperature and relative humidity on coronavirus survival on surfaces［J］. Applied and Environmental Microbiology， 2010， 76（9）： 2712－2717.

［16］ CHIN A W H， CHU J T S，PERERA M R A， et al. Stability of SARS-CoV-2 in different environmental conditions［J］. The Lancet Microbe， 2020， 1（1）： e10.

（責任編輯 李 進）

收稿日期： 2022－03－18；修回日期： 2022－04－26

基金項目： 國家自然科學基金（72171006，71771005）

第一作者： 紀鑫（2000－），男，內蒙古呼倫貝爾人，碩士研究生，主要研究方向為行人流建模分析。

通信作者： 唐鐵橋（1977－），男，湖南邵陽人，博士，教授，主要研究方向為行人流建模分析。